新闻详情

新闻详情

首页 / 资讯中心 / 详情

python环境|conda安装和使用(1)

发布时间:2026/10/23 16:53:27来源:尧图网络
python环境|conda安装和使用(1)
python环境|conda安装和使用(1)简述Anaconda和Miniconda安装步骤(Miniconda)conda-forge仓库配置调整conda-forge仓库配置镜像环境变量配置python环境|conda安装和使用(1)简述Conda 是一个通用的包管理系统和环境管理系统不限于 Python也能管理 R、C/C 等软件的依赖Anaconda和Miniconda特性Anaconda (全家桶)Miniconda (精简版)一句话定义“开箱即用”的 Python 发行版Conda 本身 Python 的最小化安装包安装体积约 3-5 GB相当庞大仅 50-100 MB非常轻巧预装内容Conda、Python、约 150 个常用科学计算包 (如 NumPy, Pandas) 和图形界面工具 (Anaconda Navigator)Conda 和 Python几乎没有预装 第三方包推荐给谁Python 初学者、希望省去逐个安装包麻烦的人、硬盘空间充裕的用户有一定经验的开发者、追求系统干净和灵活性的人、硬盘空间有限的用户上手难度低适合新手中等需要自行学习安装包的命令安装步骤(Miniconda)官网下载https://www.anaconda.com/download因为收费社区驱动的conda-forge仓库conda-forge仓库配置调整Windows 开始菜单以管理员身份打开 “Anaconda Prompt (Miniconda3)” 或 “命令提示符”以避免潜在的权限问题移除默认配置(确保彻底从defaults切换到conda-forge)conda config --remove channels defaults添加conda-forge将conda-forge设置为最高优先级conda config --add channels conda-forge启用严格优先级conda config --set channel_priority strict验证配置conda config --showconda-forge仓库配置镜像找到.condarc文件或者执行下面命令寻找两处都修改配置如下:真实环境配置需要将下面中文字移除channel_priority: strict show_channel_urls: true auto_activate_base: false custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud #虚拟环境 envs_dirs: - D:\pro\Python\miniforge3\envs #软件安装包 pkgs_dirs: - D:\pro\Python\miniforge3\pkgs channels: - conda-forge验证命令conda config --show channels查询依赖包按照目录conda config --show pkgs_dirs测试下载conda install numpy环境变量配置
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/10/23 14:14:50

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/10/23 14:14:34

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/10/23 14:11:44

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/10/22 21:24:36

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/10/23 14:10:55

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/10/23 14:14:34

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉